人工神经网络应用于预测单独机构的结直肠癌患者的结果

科学领域:

• 人工智能的人工智能是人工智能.
• 计算生物学是一种计算生物学.
• 在瘤学瘤学.

背景情况:

• 人工神经网络 (ANN) 识别生物数据中的复杂模式,超越了线性统计分析.
• 预测大肠直肠癌 (CRC) 个体患者的结果是传统人口统计的挑战.
• 本研究探讨了针对个性化CRC结果预测的ANN.

研究的目的:

• 训练和验证ANN以预测大肠直肠癌患者个体死亡风险.
• 利用来自独立机构的数据,评估受过培训的ANN的概括性.
• 为了比较ANN的预测准确性与咨询结直肠外科医生.

主要方法:

• 六名ANN接受了来自334名CRC患者的5年随访数据的培训,以预测不同间隔 (9-24个月) 的死亡.
• 在没有进一步培训的情况下,对来自第二个机构的数据应用了12个月的预测ANN.
• 通过使用相同隐藏的数据,与结直肠外科医生的预测进行了比较.

主要成果:

• 在培训机构,ANN在预测个体患者9-24个月内死亡的准确率达到了>80%.
• 12个月的ANN在第二个机构的数据上显示了90%的准确性,超过了外科医生的准确性 (79%和75%).
• 对ANN的平均灵敏度和特异性分别为60%和88%.

结论:

• 与目前的方法相比,ANN显著提高了对个体患者结直肠癌预测结果的准确性.
• 经过培训的ANN在来自非相关机构的数据上表现出强大的预测性能,这表明其具有很强的概括性.
• 这种方法为个人化医学在结直肠癌管理中提供了一个有前途的工具.